Jeśli skalujesz przed PCA?
Skala ma wpływ PCA, więc musisz skalować funkcje danych przed zastosowaniem PCA. Użyj StandardScaler z scikit naucz się standaryzować funkcje zestawu danych na skalę jednostkową (średnia = 0 i odchylenie standardowe = 1), co jest wymagane dla optymalnej wydajności wielu algorytmów uczenia maszynowego.
Dlaczego skalowanie jest konieczne dla PCA?
W przypadku danych, które mają funkcje o różnych skalach, często ważne jest, aby najpierw skalować dane. Wynika to z faktu, że dane, które mają większe wartości, mogą wpłynąć na dane nawet przy stosunkowo niewielkiej zmienności. Łączna ramka danych jest ładowana dla Ciebie.